经典DL论文研读(part4)--ImageNet Classification with Deep Convolutional Neural Networks
学习笔记,仅供参考,有错必纠
文章目录
- ImageNet Classification with Deep Convolutional Neural Networks
- 摘要
- Introduction
- dataset
- Architecture
- Training on Multiple GPUs
- Training on Multiple GPUs
- Local Response Normalization
- Overall Architecture
- Reducing Overfitting
- Data Augmentation
- Dropout
- Details of learning
ImageNet Classification with Deep Convolutional Neural Networks
摘要
top5:模型给出5个答案,只要其中有1个答案是正确的,则认为模型判断正确.
Introduction
网络的大小被GPU限制,如果未来有更快的GPU以及更大的数据集,则模型会得到更好的结果.
dataset
使用的数据集为ImageNet的子集,包含1000个类别,每个类别有1000张图片. 本文,将1200000张图片作为训练集,50000张图片作为验证集,150000张图片作为测试集. 由于原始图片中的大小不一,所以,文中使用下采样的方法,将原始图片resize成256*256的相同大小的图片.
Architecture
Training on Multiple GPUs
文中使用RELU激活函数,由图1可知,使用RELU激活函数将错误率降低到25%,比使用tanh激活函数要快将近6倍.
Training on Multiple GPUs
使用多个GPU加快训练速度.
Local Response Normalization
文中在池化层后加入了【局部响应归一化】,从而降低top1和top5的错误率.
备注:该技术并不是在所有情况下都能提高模型性能,在2015年ICLR的VGGNet 的论文中提出,使用【局部响应归一化】并不能提升结果,同时会增加了内存和计算量.
Overall Architecture
这里的输入层为224∗224∗3224*224*3224∗224∗3是因为文中对256∗256∗3256*256*3256∗256∗3的图像进行了裁剪,从而增加了数据集. 尽管使用这种数据增强的方法会使数据之间存在高度相关,但同时会得到较好的效果.
Reducing Overfitting
Data Augmentation
Dropout
Details of learning
经典DL论文研读(part4)--ImageNet Classification with Deep Convolutional Neural Networks相关推荐
- 论文研读 —— 6. ImageNet Classification with Deep Convolutional Neural Networks (1/3)
文章目录 Authors and Publishment Authors Bibtex Abstract 1. Introduction 2. The Dataset Authors and Publ ...
- 论文研读 —— 6. ImageNet Classification with Deep Convolutional Neural Networks (2/3)
文章目录 3. The Architecture 3.1. ReLU Nonlinearity 3.2. Training on Multiple GPUs 3.3. Local Response N ...
- 论文研读 —— 6. ImageNet Classification with Deep Convolutional Neural Networks (3/3)
文章目录 6. Results 6.1. Qualitative Evaluations 7. Discussion References 6. Results Our results on ILSV ...
- 论文笔记 - 《ImageNet Classification with Deep Convolutional Neural Networks》 精典
基于卷积神经网络的图像分类(经典网络) 作者:Alex Krizhevsky(论文中第一作者的名字为网络名字AlexNet) 单位:加拿大多伦多大学 发表会议时间:NIPS 2012 (NIPS:机器 ...
- AlexNet论文翻译《ImageNet Classification with Deep Convolutional Neural Networks》
摘要 我们训练了一个大型深度卷积神经网络来将ImageNet LSVRC-2010竞赛的120万高分辨率的图像分到1000不同的类别中.在测试数据上,我们得到了top-1 37.5%, top-5 1 ...
- AlexNet论文翻译(中英文对照版)-ImageNet Classification with Deep Convolutional Neural Networks
图像分类经典论文翻译汇总:[翻译汇总] 翻译pdf文件下载:[下载地址] 此版为中英文对照版,纯中文版请稳步:[AlexNet纯中文版] ImageNet Classification with De ...
- 论文《ImageNet Classification with Deep Convolutional Neural Networks》阅读及AlexNet的Tensorflow2复现
论文<ImageNet Classification with Deep Convolutional Neural Networks>阅读及AlexNet的Tensorflow2复现 论文 ...
- 《每日论文》ImageNet Classification with Deep Convolutional Neural Networks
这篇论文是剖析 CNN 领域的经典之作,也是入门 CNN 的必读论文.作者训练了一个面向数量为 1.2 百万的高分辨率的图像数据集 ImageNet, 图像的种类为 1000 种的深度卷积神经网络. ...
- ImageNet Classification with Deep Convolutional Neural Networks论文翻译——中文版
文章作者:Tyan 博客:noahsnail.com | CSDN | 简书 翻译论文汇总:https://github.com/SnailTyan/deep-learning-papers- ...
最新文章
- C语言的单链表逆序和指定范围逆序
- 编译程序加不加 -lpthread 的区别【转】
- Linux五种IO模型性能分析
- Android Studio目录结构和Gradle构建Android项目
- 深度学习笔记:优化方法总结(BGD,SGD,Momentum,AdaGrad,RMSProp,Adam)
- 阿里技术高P访谈之张俭恭:情义是阿里与外企的最大不同
- 《此生未完成》痛句摘录(2)
- jquery学习系列8(过滤选择器)
- 爬虫究竟是合法还是违法的?
- MySQL 成薪资跳板了?
- 理解numpy数组中的各个维度代表的具体意思(axis)
- 华为鸿蒙战略布局,继5G与鸿蒙后又一重要布局:华为发布计算战略
- [转载] python文件操作--写入文件
- 笔记本win10相机打不开 无法启动 显示灰色相机 怎么办
- matlab里面特征向量,MATLAB特征值和特征向量
- 第2章 物联网安全基础
- 根据英语单词学法语单词
- centos 中redis的使用
- 如何一秒将 iPhone 屏幕变成 S8
- gcc与cmake、qmake与make、ninja
热门文章
- altert/html打印出来的是[object Object]
- codeblocks运行结果输出的对话框字体太小的问题
- yelee主题中的Busuanzi网站统计失效问题
- 图像工程之图像处理 CH1绪论
- vs 无法解析变量$_C语言新手常见错误(Vs使用,语法...),绝对直击痛点
- 机器学习(九)——EM算法
- Eclipse配置自动提示(eclipse设置代码API自动出现)
- MySQL ceil()函数
- python变量和运算符
- 《程序员代码面试指南》第八章 数组和矩阵问题 在行列都排好序的矩阵中找数...